MCP：AI 的去中心化革命与以太坊的完美融合

MCP 是一个开放标准框架，可以简化 LLM 与外部数据源和工具的集成。如果我们把 LLM 比作 Windows 操作系统，Cursor 等应用是键盘和硬件，那么 MCP 就是 USB 接口，支持将外部数据和工具灵活插入，然后用户可以读取使用这些外部数据和工具。

MCP 提供了三种能力对 LLM 进行扩展：

• Resources（知识扩展）

• Tools（执行函数，调用外部系统）

• Prompts（预编写提示词模板）

MCP 可以由任何人进行开发和托管，以 Server 的方式提供，可以随时下线停止服务。

目前 LLM 使用尽可能多的数据进行大量的运算并生成大量的参数，将知识融入到模型里面，从而实现对话输出相应知识。但是存在比较大的几个问题：

1. 大量的数据和运算需要大量的时间和硬件，用于训练的知识通常是过时的。

2. 大量参数的模型，很难在本地设备进行部署和使用，但实际上使用者大部分场景可能并不需要全部信息完成需求。

3. 部分模型采用爬虫的方式读取外部信息进行运算以实现时效性，但是由于爬虫的限制和外部数据的质量，可能产出误导性更强的内容。

4. 由于 AI 并没有很好的给创作者带来利益，很多网站和内容开始实施反 AI 措施，生成大量垃圾信息，将会导致 LLM 的质量逐步下降。

5. LLM 很难扩展到方方面面的外部功能和操作，例如准确调用 GitHub 接口实现一些操作，它会按照可能过时的文档生成代码，但无法确保可以精准执行。

我们可以将目前的超大规模模型视为胖 LLM，其架构可以以下面简单图示表示：

用户输入信息之后，通过 Perception & Reasoning 层对输入进行拆解和推理，然后调用庞大的参数进行结果生成。

基于 MCP 之后，LLM 可能聚焦在语言解析本身，剥离出去知识和能力，变成瘦 LLM:

瘦 LLM 的架构下，Perception & Reasoning 层将会关注如何将全方面的人类物理环境信息解析成为 tokens，包括但不限于：语音、语气、气味、图像、文字、重力、气温等，然后通过 MCP Coordinator 编排和协调多达数百的 MCP Servers 完成任务。瘦 LLM 的训练成本和速度将会极速提升，对于部署设备的要求变得很低。

普通人如何参与 AI 行业？

任何有独特才能的人，都可以创建自己的 MCP Server 对 LLM 提供服务。例如一个鸟类爱好者可以将自己多年的鸟类笔记通过 MCP 对外提供服务。当有人使用 LLM 搜索跟鸟类相关的信息，就会调用到当前鸟类笔记 MCP 服务。创作者也会因此获得收入分成。

这是一种更为精准和自动化的创作者经济循环，服务内容更加标准化，调用的次数、输出的 token 都可以很精准的统计。LLM 提供商甚至可以同时调用多个鸟类笔记 MCP Servers 让用户选择和评分来确定谁的质量更好获得更高匹配权重。

AI 和 Ethereum 的双赢结合

a. 我们可以基于 Ethereum 构建一个 OpenMCP.Network 创作者激励网络。MCP Server 需要托管和提供稳定的服务，用户对 LLM 提供商付费，LLM 提供商将实际的激励通过网络分配到被调用的 MCP Servers 上从而维持整个网络的可持续性和稳定性，激发 MCP 的创作者持续创作和提供高质量内容。这一套网络将需要使用智能合约实现激励的自动化、透明、可信和抗审查。运行过程中的签名、权限验证、隐私保护都可以使用以太坊钱包、ZK 等技术实现。

b. 开发 Ethereum 链上操作相关的 MCP Servers，例如 AA 钱包调用服务，用户将支持在 LLM 里面通过语言实现钱包付款而不暴露相关私钥和权限给 LLM。

c. 还有各种开发者工具，进一步简化 Ethereum 智能合约开发和代码生成。

实现 AI 去中心化

a. MCP Servers 将 AI 的知识和能力去中心化，任何人都可以创建和托管 MCP Servers，注册到例如 OpenMCP.Network 这样的平台上面之后按照调用获得激励。没有任何一个公司可以掌握全部的 MCP Servers。如果一个 LLM 提供商给予不公平的激励到 MCP Servers，创作者将支持屏蔽该公司，用户得不到优质结果后将会更换其他 LLM 提供商实现更公平的竞争。

b. 创作者可以对自己的 MCP Servers 实现细粒度的权限控制以保护隐私和版权。瘦 LLM 提供商应该通过提供合理的激励来让创作者贡献高质量的 MCP Servers。

c. 瘦 LLM 能力差距将慢慢抹平，因为人类的语言是有遍历上限的，演进也很缓慢。LLM 提供商将需要把目光、资金瞄向高质量的 MCP Servers，而非重复使用更多显卡炼丹。

d. AGI 的能力将得到分散和降权，LLM 仅作为语言处理和用户交互，具体能力分布在各个 MCP Servers 里面。AGI 将不会威胁到人类，因为关闭 MCP Servers 之后就只能进行基础语言对话。

1. LLM + MCP Servers 的架构演进，本质上是将 AI 能力的去中心化，降低了 AGI 毁灭人类的风险。

2. LLM 的使用方式，使其对 MCP Servers 的调用次数和输入输出可以做到 token 级别的统计和自动化，为 AI 创作者经济系统的搭建奠定了基础。

3. 好的经济系统可以驱动创作者主动贡献创作高质量 MCP Servers，从而带动整个人类的发展，实现正向飞轮。创作者不再抵御 AI，AI 也会提供更多岗位和收入，将类似 OpenAI 这样的垄断商业公司的利润合理分配。

4. 这一套经济系统，结合其特性和创作者的需求，非常适合基于 Ethereum 实现。

1. MCP 或者类 MCP 的协议将会层出不穷，几家大公司将开始竞争标准的定义。

2. MCP Based LLM 将会出现，专注于解析和处理人类语言的小模型，附带 MCP Coordinator 接入 MCP 网络。LLM 将支持自动发现和调度 MCP Servers，无需复杂手工配置。

3. MCP Network 服务提供商将出现，每家有自己的经济激励系统，MCP 创作者将自己的 Server 注册和托管即可得到收入。

4. 如果 MCP Network 的经济激励系统使用 Ethereum 构建，基于智能合约，那么 Ethereum 网络的 transactions 保守估计将增加约 150 倍（按照非常保守的每天 1 亿次 MCP Servers 的调用量，目前 12s 一个 Block 包括 100 txs 计算）。